发布图异常检测基础模型 AnomalyGFM

2026年10月28日，研究人员在 arXiv 预印本平台上发布图异常检测基础模型 AnomalyGFM。该模型由 Hezhe Qiao、Chaoxi Niu、Ling Chen 和 Guansong Pang 团队提出。 AnomalyGFM 采用 GAD 导向架构，支持零样本推理和少样本提示微调。其核心机制通过预训练对齐数据无关的可学习正常与异常类别原型，并结合节点表示残差特征，在统一特征空间中衡量不同图的节点异常度。 在 11 个广泛使用的含真实异常的 GAD 数据集测试中，该模型在零样本和少样本设定下，泛化能力均显著优于当前最先进竞争方法。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。